# HBASE原理深入
## 1. 读数据流程
**HBase读操作**
1）首先从zk找到meta表的region位置，然后读取meta表中的数据，meta表中存储了用户表的region信息
2）根据要查询的namespace、表名和rowkey信息。找到写入数据对应的region信息
3）找到这个region对应的regionServer，然后发送请求
4）查找对应的region
5）先从memstore查找数据，如果没有，再从BlockCache上读取
HBase上Regionserver的内存分为两个部分,一部分作为**Memstore**，主要用来写；另外一部分作为**BlockCache**，主要用于读数据；
6）如果BlockCache中也没有找到，再到StoreFile上进行读取
从storeFile中读取到数据之后，不是直接把结果数据返回给客户端，而是把数据先写入到BlockCache中，目的是为了加快后续的查询；然后在返回结果给客户端。
## 2. 写数据流程
1）首先从zk找到meta表的region位置，然后读取meta表中的数据，meta表中存储了用户表的region信息
2）根据namespace、表名和rowkey信息。找到写入数据对应的region信息
3）找到这个region对应的regionServer，然后发送请求
4）把数据分别写到HLog（write ahead log）和memstore各一份
5）memstore达到阈值后把数据刷到磁盘，生成storeFile文件
6）删除HLog中的历史数据
## 3. Flush(刷写)与compact(合并)机制
- flush机制
- 当memstore的大小超过这个值的时候，会flush到磁盘,默认为128M
```xml
hbase.hregion.memstore.flush.size
134217728
```
- 当memstore中的数据时间超过1小时，会flush到磁盘
```xml
hbase.regionserver.optionalcacheflushinterval
3600000
```
- HregionServer的全局memstore的大小，超过该大小会触发flush到磁盘的操作,默认是堆大小的40%
```xml
hbase.regionserver.global.memstore.size
0.4
```
- 手动flush
```
flush tablename
```
- 阻塞机制
以上是Store中memstore数据刷写磁盘的标准，但是Hbase中是周期性的检查是否满足以上标准满足则进行刷写，但是如果在下次检查到来之前，数据疯狂写入Memstore中，会出现什么问题呢？
会触发阻塞机制，此时无法写入数据到Memstore，数据无法写入Hbase集群。
- memstore中数据达到512MB
计算公式：`hbase.hregion.memstore.flush.size * hbase.hregion.memstore..block.multiplier`
hbase.hregion.memstore.flush.size刷写的阀值，默认是 134217728，即128MB。
hbase.hregion.memstore.block.multiplier是一个倍数，默认 是4。
- RegionServer全部memstore达到规定值
hbase.regionserver.global.memstore.size.lower.limit是0.95，
hbase.regionserver.global.memstore.size是0.4，
堆内存总共是 16G，
触发刷写的阈值是：6.08GB
触发阻塞的阈值是：6.4GB
- compact合并机制
- minor compact小合并
> 在将Store中多个HFile(StoreFile)合并为一个HFile(这个过程中，删除和更新的数据仅仅只是做了标记，并没有物理移除，这种合并的触发频率很高。)
> minor compact文件选择标准由以下几个参数共同决定：
>
> ```xml
>
>
> hbase.hstore.compaction.min
> 3
>
>
>
> hbase.hstore.compaction.max
> 10
>
>
>
> hbase.hstore.compaction.min.size
> 134217728
>
>
>
> hbase.hstore.compaction.max.size
> 9223372036854775807
>
> ```
触发条件: 在进行memstore flush前后都会进行判断是否触发compact; 周期性检查是否需要进行compaction操作,由参数：hbase.server.thread.wakefrequency决定，默认值是10000 millseconds
- major compact大合并
合并Store中所有的HFile为一个HFile
> 这个过程有删除标记的数据会被真正移除，同时超过单元格maxVersion的版本记录也会被删除。合并频率比较低，默认7天执行一次，并且性能消耗非常大，建议生产关闭(设置为0)，在应用空闲时间手动触发。一般可以是手动控制进行合并，防止出现在业务高峰期
触发条件:
- major compaction触发时间条件
```xml
hbase.hregion.majorcompaction
604800000
```
- 手动触发 `major_compact tablename`
## 4. Region拆分机制
Region中存储的是大量的rowkey数据 ,当Region中的数据条数过多的时候,直接影响查询效率.当Region过大的时候.HBase会拆分Region , 这也是Hbase的一个优点
### 4.1 拆分策略
- ConstantSizeRegionSplitPolicy
0.94以前默认的切分策略
```
当region大小大于某个阈值(hbase.hregion.max.filesize=10G)之后就会触发切分，
一个region等分为2个region。
但是在生产线上这种切分策略却有相当大的弊端：切分策略对于大表和小表没有明显的区分。
阈值(hbase.hregion.max.filesize)设置较大对大表比较友好，但是小表就有可能不会触
发分裂，极端情况下可能就1个，这对业务来说并不是什么好事。
如果设置较小则对小表友好，但一个大表就会在整个集群产生大量的region，这对于
集群的管理、资源使用、failover来说都不是一件好事。
```
- IncreasingToUpperBoundRegionSplitPolicy
0.94版本~2.0版本默认切分策略
```
切分策略稍微有点复杂，总体看和ConstantSizeRegionSplitPolicy思路相同，
一个region大小大于设置阈值就会触发切分。但是这个阈值并不像
ConstantSizeRegionSplitPolicy是一个固定的值，而是会在一定条件下不断调整，
调整规则和region所属表在当前regionserver上的region个数有关系.
region split的计算公式是：
regioncount^3 * 128M * 2，当region达到该size的时候进行split
例如：
第一次split：1^3 * 256 = 256MB
第二次split：2^3 * 256 = 2048MB
第三次split：3^3 * 256 = 6912MB
第四次split：4^3 * 256 = 16384MB > 10GB，因此取较小的值10GB
后面每次split的size都是10GB了
```
- SteppingSplitPolicy
2.0版本默认切分策略
```
这种切分策略的切分阈值又发生了变化，相比IncreasingToUpperBoundRegionSplitPolicy
简单了一些，依然和待分裂region所属表在当前regionserver上的region个数有关系，
如果region个数等于1，切分阈值为flushsize*2，否则为MaxRegionFileSize。
这种切分策略对于大集群中的大表、小表会比IncreasingToUpperBoundRegionSplitPolicy
更加友好，小表不会再产生大量的小region，而是适可而止。
```
- KeyPrefixRegionSplitPolicy
```
根据rowKey的前缀对数据进行分组，这里是指定rowKey的前多少位作为前缀，
比如rowKey都是16位的，指定前5位是前缀，那么前5位相同的rowKey在进行
regionsplit的时候会分到相同的region中。
```
- DelimitedKeyPrefixRegionSplitPolicy
```
保证相同前缀的数据在同一个region中，例如rowKey的格式为：userid_eventtype_eventid，
指定的delimiter为_，则split的的时候会确保userid相同的数据在同一个region中。
```
- DisabledRegionSplitPolicy
不启用自动拆分,需要指定手动拆分
### 4.2 RegionSplitPolicy的应用
Region拆分策略可以全局统一配置，也可以为单独的表指定拆分策略。
- 通过hbase-site.xml全局统一配置(对hbase所有表生效)
```xml
hbase.regionserver.region.split.policy
org.apache.hadoop.hbase.regionserver.IncreasingToUpperBoundRegionSplitPolicy
```
- 通过Java API为单独的表指定Region拆分策略
````java
HTableDescriptor tableDesc = new HTableDescriptor("test1"); tableDesc.setValue(HTableDescriptor.SPLIT_POLICY, IncreasingToUpperBoundRegionSplitPolicy.class.getName()); tableDesc.addFamily(new HColumnDescriptor(Bytes.toBytes("cf1")));
admin.createTable(tableDesc);
````
- 通过HBase Shell为单个表指定Region拆分策略
```sh
create 'test2', {METADATA => {'SPLIT_POLICY' => 'org.apache.hadoop.hbase.regionserver.IncreasingToUpperBoundRegionSplitPolicy'}},{NAME => 'cf1'}
```
## 5. 预分区
当一个table刚被创建的时候，Hbase默认的分配一个region给table。也就是说这个时候，所有的读写请求都会访问到同一个regionServer的同一个region中，这个时候就达不到负载均衡的效果了，集群中的其他regionServer就可能会处于比较空闲的状态。解决这个问题可以用pre-splitting,在创建table的时候就配置好，生成多个region.
- 增加数据读写效率
- 负载均衡，防止数据倾斜
- 方便集群容灾调度region
每一个region维护着startRow与endRowKey，如果加入的数据符合某个region维护的rowKey范围，则该数据交给这个region维护
**手动指定预分区:**
```sql
create 'person','info1','info2',SPLITS => ['1000','2000','3000']
```
> 也可以把分区规则创建于文件中
>
> ```sh
> vim split.txt
> aaa
> bbb
> ccc
> ddd
> ```
>
> ```sql
> create 'student','info',SPLITS_FILE => '/root/hbase/split.txt'
> ```
## 6. Region合并
Region的合并不是为了性能，而是出于维护的目的
- **通过Merge类冷合并Region**
需要先关闭hbase集群
> 需求：需要把student表中的2个region数据进行合并：
>
> student,,1593244870695.10c2df60e567e73523a633f20866b4b5.
>
> student,1000,1593244870695.0a4c3ff30a98f79ff6c1e4cc927b3d0d.
>
> ```sql
> hbase org.apache.hadoop.hbase.util.Merge student \ student,,1595256696737.fc3eff4765709e66a8524d3c3ab42d59. \ student,aaa,1595256696737.1d53d6c1ce0c1bed269b16b6514131d0.
> ```
- **通过online_merge热合并Region**
> 与冷合并不同的是，online_merge的传参是Region的hash值，而Region的hash值就是Region名称的最后那段在两个.之间的字符串部分。
>
> 需求：需要把student表中的2个region数据进行合并：
>
> student,,1587392159085.9ca8689901008946793b8d5fa5898e06. \
>
> student,aaa,1587392159085.601d5741608cedb677634f8f7257e000.
>
> 需要进入hbase shell：
>
> ```sql
> merge_region 'c8bc666507d9e45523aebaffa88ffdd6','02a9dfdf6ff42ae9f0524a3d8f4c7777'
> ```